README.md

B62_Projet_Oracle_TP3

Objectif

Partitionnement des données l'aide de centroïdes (Centroid-based data clustering)

Auteurs

Jean-Charles Bertrand

Jean-François Lessard

Danick Massicotte

Options de ligne de commande

-c : clustering

-e : entraînement

-r : recherche

-t : taille de fenêtre. doit suivre -t, précédé d'un espace

-n : nombre de mots à afficher par cluster (à la fin de l'exécution)

--nc : nombre de centroïdes, une valeur entière

--mots <"mot1 mot2 mot3">: liste de mots qui serviront de centroïdes initiaux

--enc : encodage de fichier. doit suivre --enc, précédé d'un espace.

--chemin : chemin du corpus d'entrainement. doit suivre --chemin, précédé d'un espace.

Utilisation

Exemple de partionnement des données à l'aide de centroïdes (Méthode explicite):

main.py -c -t 7 -n 10 --mots "mot1 mot2 mot3"

Exemple de partionnement des données à l'aide de centroïdes (Méthode aléatoire):

main.py -c -t 7 -n 10 --nc 5

Exemple de ligne de commande pour l'entraînement d'un texte:

main.py -e -t 7 --enc UTF-8 --chemin Y:\b62_projet_oracle_tp2\LeVentreDeParisUTF8.txt

Exemple de ligne de commande pour la recherche de résultats:

main.py -r -t 7

Base de données

La base de données SQLite est déjà intégrée au projet. Elle contient la matrice de cooccurrences des mots des textes GerminalUTF8.txt, LesTroisMousquetairesUTF8.txt et LeVentreDeParis.txt. Les tailles de fenêtre 5 à 8 lors de l'entraînement sont disponible dans la base de données...

##TEST code alternatif (tests hypothese) Afin d'executer le code des hypothese sur la création de centroïdes, il faut modifier la fonction execute du clusterer. Des indication s'y trouvent. (essentiellement on met en commentaire et retire des commentaire la ligne de code correspondante